基于提示学习的异构电子健康记录表格数据融合框架（TabPF）在临床预测中的应用研究

推荐：针对电子健康记录（EHRs）中结构化与非结构化特征难以融合的问题，研究人员提出基于提示学习（prompt learning）的表格数据融合框架TabPF，通过大型语言模型（LLM）生成文本摘要并改进注意力机制，实现患者表征提取。实验表明，TabPF在重症、死亡率和住院时长（LoS）预测中性能优越，为临床决策支持系统（CDSS）提供了新思路。

　　

在医疗信息化飞速发展的今天，电子健康记录（EHRs）已成为临床诊疗和科研的核心数据源。然而，这些数据往往以异构表格形式存在——既有结构化的数值、分类数据，如生命体征和实验室指标，也有非结构化的文本内容，如主诉和入院原因。传统方法要么舍弃文本信息造成浪费，要么通过国际疾病分类（ICD）编码转换丢失语义，而基于BERT的模型又易受低质量文本干扰。如何像医生一样从海量异构数据中提炼关键信息，成为临床预测模型面临的重大挑战。

针对这一问题，中国科学院自动化研究所（Institute of Automation, Chinese Academy of Sciences）的研究团队在《Journal of Biomedical Informatics》发表论文，提出基于提示学习的表格数据融合框架TabPF。该研究创新性地将大型语言模型（LLM）与改进的注意力机制结合，通过两步策略实现异构数据的高效利用：首先设计文本摘要生成模块，针对不同类型表格数据定制提示模板，引导LLM生成标准化文本摘要；随后采用交叉注意力（cross-attention）与自注意力（self-attention）堆叠的异构融合模块，实现多源特征联合学习。

关键技术包括：1）基于eICU-CRD和老年慢性病（CECMed）数据集构建实验队列；2）采用提示学习优化LLM的文本摘要生成；3）长文本嵌入（long text embedding）统一表征维度；4）改进Transformer注意力机制实现特征交互。研究结果显示，TabPF在死亡率预测（AUC 0.912 vs基线0.867）和住院时长预测（MAE 2.3天vs基线3.1天）中显著优于XGBoost、RF等传统模型，消融实验证实各模块贡献度达15-22%。

方法学创新：通过"分治-融合"策略，TabPF首次实现异构EHR表格的统一文本模态转换。提示学习模块针对数值型数据采用"数值-语义"映射模板，对文本数据采用"关键信息提取"模板，使GPT-3生成的摘要临床相关性提升37%。

临床价值：在老年慢性病数据集上，模型对多器官衰竭的早期预警灵敏度达89%，较ICD编码方法提高21%。注意力权重分析显示，融合模块能自动捕捉实验室指标与主诉文本的潜在关联（如血肌酐升高与"水肿"描述的相关性）。

讨论与展望：研究团队指出，当前框架仍受限于LLM的幻觉风险，未来可通过医学知识图谱增强提示设计。该工作为AI辅助诊断提供了可解释性强的表征学习方法，其模块化设计也适用于医保费用预测等衍生场景，标志着医疗大数据分析从特征工程迈向语义理解的新阶段。